黄仁勋押注的「美版DeepSeek」，为何一个模型都没有就估值千亿？

“Meta开源之战惨败后，硅谷选择另起炉灶。”

作者丨胡清文

编辑丨徐晓飞

2025年8月，加州圣克拉拉英伟达总部，一家仅成立一年的AI初创公司创始人Misha Laskin 叩开了黄仁勋办公室的大门。

没人想到，这次会面中黄仁勋提的一个建议，让这家名不见经传的公司被推到了“中美开源战争”的最前线。

这次会面结束不久，这家公司快速拿下了英伟达、红杉、DST等顶级资本押注，估值从5.45亿美元飙升至80亿美元，近期又斩获新一轮融资，估值飙升到250亿美元（折合人民币约1700亿元）。短短13个月，估值翻了46倍。

它就是Reflection AI。

“黄仁勋的那次会面，更像是一次仙人指路。真正把它推上桌的，是硅谷在开源模型这一仗上的接连败退。”一位AI投资人告诉雷峰网。

硅谷原本以为开源模型只是Meta的游戏，但从DeepSeek R1到DeepSeek V4、Kimi、Qwen等开源模型的出现，直接把美国在开源上的先发优势打穿了。

而原本被美国寄予厚望的Meta Llama，并没有成为预期中的开源霸主。在Llama 4表现不及预期后，美国开源模型阵地出现空缺，硅谷和华盛顿急需找到一个新的旗手。

而Reflection AI，就是那个被选中的“美国版DeepSeek”。

这家成立于2024年3月的年轻公司，由谷歌黄金班底前DeepMind研究员Misha Laskin和Ioannis Antonoglou一手创办，两人分别参与了Gemini模型的训练和AlphaGo的核心开发。投资阵容里，英伟达、红杉、DST、Eric Schmidt等赫然在列。

牌面虽然无可挑剔，但问题是成立至今它仍然没有模型产品。一家什么都还没交付的公司，凭什么估值250亿美元?

它的目标和DeepSeek是不是一回事？对中国开源模型而言这究竟是一次追赶，还是一场规则不同的竞赛？

01

黄仁勋为何钟情这家小公司？

黄仁勋和一众投资人为何敢将筹码押在一家籍籍无名的公司身上？

“如果这份term sheet（投资条款清单）摆在我面前，我首先判断这不是一个模型公司的估值，本质上还是在赌未来的AI基础设施入口。这46倍涨的不是它做出了什么，是它被认定成什么。”

AI产品负责人朱颐均告诉雷峰网，像黄仁勋这类投资人不太会去赌Reflection能做一个比GPT或者Claude更强的模型，他们赌的是如果AI基础设施这一层未来发生洗牌，Reflection有没有机会成为亚马逊那样的平台级公司，那就不是250亿美元能覆盖的了。

2024年初，还在DeepMind效力的Laskin和Antonoglou先后离职合伙创业，他们共同的判断是，大语言模型有广度却缺乏自主可靠性，真正的缺口是把通用性和强化学习结合起来，做出能端到端把活干完的AI Agent。

2025年7月，公司的第一个产品Asimov落地，一个面向企业工程团队的代码理解Agent。

同期，红杉和CRV领投2500万美元种子轮，CRV与Lightspeed联合领投1.05亿美元A轮，估值达5.45亿美元，英伟达风投部门、Reid Hoffman和Alexandr Wang一并入场。

这条路本来走得好好的，直到跟黄仁勋的那次会面。

对于这次转向，Antonoglou后来给过一个解释，要在前沿做强化学习，就需要一个极强的基座模型来做后训练。但当时西方生态里缺的正是这样一个开放基座，尤其在Llama 4表现不佳之后，他们认为自己是唯一有条件填上这个缺口的团队。

“劝人开源可不是做慈善，开放模型免费，但是跑模型的卡不免费啊。”

长期关注AI半导体的分析师孙灏认为，黄仁勋这么做是出于什么想法其实不难猜，中国的开源模型正在逐渐成为全球默认选项，而英伟达现在需要一批能够跑在自己的芯片上,同时又能够对冲这股势头的开源模型。

跟黄仁勋会面的两个月后，英伟达领投20亿美元，将Reflection AI估值抬到80亿美金，其中8亿美元是英伟达出资，红杉、CRV、DST、花旗、新加坡主权基金GIC等纷纷跟投。

这里面有一个名字值得单拎出来，1789 Capital，这家基金由特朗普的长子小唐纳德·特朗普等人参与创立，背后连接着美国保守派资本圈。

而最后进场的华盛顿，带来的不是钱而是一笔订单。今年5月，Reflection AI成为能源部Genesis Mission的开放模型底座。

英伟达给方向和芯片，硅谷给估值，华盛顿给需求。到这里，Reflection AI的三层支撑全部就位。

02

“再造一个DeepSeek”,

Reflection AI还差多远?

“他们在用融资的速度，对冲训练的速度。”对于Reflection AI近期的一系列动作，分析师孙灏下了一个判断。

在2025年10月拿到20亿美元的融资时，Laskin表示第一个模型争取在2026年初发布，而最新的说法是会在今年晚些时候发布。

可时间不等人，尽管模型产品尚未落地，Reflection AI已进入了大模型公司的烧钱模式。

今年6月下旬，Reflection AI与SpaceX旗下算力业务签署合作。协议自7月1日起生效，每月支付1.5亿美元，若执行至2029年，总额约63亿美元。

不到一个月，公司又与云计算初创Nebius签下超过10亿美元的算力合作协议，同样执行至2029年，用于获取英伟达GB300芯片。

两笔相加，Reflection AI光是年化算力支出就超过了18亿美元。

“这个数字是什么概念呢?都是在SpaceX的Colossus租算力，Anthropic每月付12.5亿美元，谷歌是9.2亿美元，也就是说Reflection大约是Anthropic的八分之一。”

分析师孙灏认为，这个规模的算力支出虽然听上去不是很离谱，但是前两者都是有产品业务和真金白银的ARR做支撑，Reflection这每年至少18亿美元的成本却没有任何收入做对冲，每一分都只能靠融资来填，那就很悬。

按照PitchBook的口径，Reflection目前累计融到21.6亿美元。也就是说，现有资金根本撑不完这两份合约，这家公司必须持续融资才能继续履约。

“现在最大的陷阱就是资本按照顶级估值去投，但技术只能达到第二梯队的水平。一旦模型没能形成领先优势，巨额算力合同就会变成固定成本，数据中心也会变成负担，融资能力自然也会跟着下降。”AI产品负责人朱颐均表示。

“大模型创业最可怕的死亡方式，并不是技术落后，而是它的成本结构对标了一家AI基础设施公司，收入水平和盈利预期却只能达到一家普通SaaS公司。”

好在这两份算力合同并非一签到底，在与SpaceX签署的63亿美元协议中，双方保留了一项退出机制。合同生效满三个月后，任何一方都可以提前90天通知对方终止合作。

那么训练一个开源模型到底该花多少钱？做开源模型的企业又该如何活下去?

DeepSeek提供了一种路径答案。根据DeepSeek团队发表的《DeepSeek-V3 Technical Report》，V3 的全部训练共计278.8万 H800 GPU小时，按论文假设的每小时2美元租赁价计算，约合557.6万美元，其中预训练部分用时不到两个月。

当然，这只包含正式训练，不含前期研究以及在架构、算法、数据上的消融实验开销。

但一位AI科技领域投资人表示，如果单拿DeepSeek-V3的训练成本来对比 Reflection AI，是绝对不严谨的，双方光是使用的芯片就隔了两代。

“DeepSeek所披露的内容，更多是展示了一种极致效率路线，而不是一个行业通用的模型训练价格标签。”

那做开源的模型公司要怎么挣钱？DeepSeek这边也有现成的例子。

截至8月初，DeepSeek V4-Flash的API价格是输入每百万token 0.14美元，输出每百万token 0.28元，若命中上下文缓存，输入价格还能降至每百万token 0.0028美元。相比OpenAI、Anthropic等厂商，DeepSeek已经将API调用打到了地板价。

低价策略很快实打实的撬动了市场规模，据OpenRouter统计，在7月28日到8月3日这一周，DeepSeek V4-Flash的单周处理量已经达到了7.1万亿token。

但低价只是初期打法，随着调用规模和市场影响力的扩大，DeepSeek开始获得重新定价的空间。早在6月29日，DeepSeek通知开发者将启用峰谷定价，高峰时段价格翻倍；8月6日，DeepSeek再次发布公告称计划近期整体上调API定价，“预计涨幅较大”。

换句话说，前期凭借跑马圈地换取的涨价牌已经亮出来了，只是还没打。

这位投资人认为，低成本训练、低价扩张，再通过规模效应形成商业回报，这套逻辑与DeepSeek之前所公开的技术报告中展现的低成本路线是大概一致的。

“开源权重并不意味着简单地把利润让渡出去，低成本能力反而让DeepSeek能够承受开源带来的竞争压力。只要把成本压到足够低，低到一定程度开源就不再是让利了，反而是护城河。”

虽然都在做开源模型，但两家当下处境完全不同。DeepSeek是一边挣钱一边研发，Reflection AI每多等一个月最低多烧1.5亿美元，而且这钱还要指望下一轮融资到账。

03

它和DeepSeek，做的是同一门生意吗？

一家公司的野心可以写在新闻稿里，但它真正想成为什么往往藏在招聘页里。

截至2026年8月6日，Reflection AI官网招聘页共挂出62个在招职位。与通常意义上的前沿AI实验室不同的是，明确标注为“Research”的岗位只有两个；地点分布上，华盛顿特区有7个职位，韩国有3个。

更值得注意的是一个名为“Head of Capture”的职位，虽然该职位目前已不在招，但今年有人在LinkedIn上公开宣布出任这一职务。

“Capture是美国政府采购圈的行话，指在正式招标之前就提前介入，把一单政府生意从线索一路运作到中标的全过程管理。”

对于这个职位，分析师孙灏进一步解释，一家前沿AI实验室不一定需要这样的角色，但做政府供应商的公司少不了，说明Reflection AI是在往企业和政府市场方向靠拢。

同时，招聘页面中还挂着六个Deployment Engineer(部署工程师)岗位，要做的就是进驻客户现场，把系统装进对方的环境里。

而这个岗位和最近AI圈火起来的FDE还不太一样，它要解决的是系统怎么在客户机器上跑起来的问题，FDE解决的则是怎么把AI改造成适合客户的工具。前者偏交付，后者偏产品共创。

一头在招标前把单子谈下来，一头在中标后把东西装进去，组织重心在哪儿一目了然。

但私有化部署从来不是谁的专利，DeepSeek、Qwen等开源模型在海外也有大量企业下载权重。同样是做模型私有化部署，Reflection AI打算怎么做出不同?

首先是客户资格，今年5月成为能源部Genesis Mission的开放模型底座后，它拿到了一张采购门票，政府和大型机构在挑供应商时，模型跑分未必是第一顺位。它铺在华盛顿的那七个岗位，也志在此处。

其实是业务布局，今年3月，Reflection AI与韩国新世界集团签了备忘录，双方计划年内成立合资公司，在韩国建一座250兆瓦的数据中心。其中新世界集团拿地施工、出资，Reflection AI负责设备的设计与运营，项目总投资预计不低于10万亿韩元，约合68亿美元。

两块线索拼在一起，方向已经很清楚，Reflection AI的收入会来自采购资格和数据中心这类基础设施。

在朱颐均看来，Reflection现在的路线本质上是用开放权重扩大生态，用封闭能力保住护城河。它要卖的从来不只是模型，而是AI基础设施的预期。就像Linux内核免费，但Redhat靠企业服务赚钱。

这也是Reflection与DeepSeek目前最大的不同之一，DeepSeek押注开源和生态，Reflection AI更偏向把模型嵌进企业和政府采购体系。

“不过，Reflection AI还有个挑战就是，如果中国的开源模型继续降本，它权重的价值就有可能下降。”

对模型公司而言，开源之战不仅是一笔生意，更是一场围绕开发者和生态的长期竞争。

目前在海外市场，中国开源模型的生态积累已经形成了一定规模。Hugging Face官方今年3月的报告显示，Qwen系列的直接衍生模型已经超过11.3万个，仅凭一个系列就超过了谷歌和Meta的总和。

但是当竞争从开发者社区转移到企业采购，中国开源模型的这套生态优势有多少能迁移过去?

朱颐均认为，能转化一部分但不可能全部转化。

“能带过去的，首先是开发者生态。大量微调模型、Agent、开源插件和案例会降低企业的采用成本，生态一旦形成就有很强的网络效应。其次是工程化优化能力，中国团队在推理优化、成本控制和小模型部署上优势很大，而企业非常看重ROI。”

在朱颐均看来，中国开源模型最大的优势是快速扩散的能力，而美国公司的优势是资本充足、云服务，以及多年积累的B端销售脉络和企业关系网络。

“但最终的赢家，会是能率先把模型、算力、生态和企业服务整合成一套完整商业系统的那个。”